Infrastructure 28
- Terraform 1.17 RC2: provider 요구사항 변수화와 minimal refresh
- 프랑스 슈퍼마켓 냉장 설비 사이버공격: IT 장애가 식품 손실로 바뀌는 OT/IoT 패턴
- Terraform plan JSON: format_version 계약과 소비자 테스트
- etcd v3.7.2 운영 리허설: 업그레이드·백업·복구·이미지 전략까지
- Terraform 1.16.2 업그레이드 체크리스트: 버전 고정만으로는 부족하다
- Terraform 1.16.1 import/panic 버그와 IaC 파이프라인 방어
- Modal vs Runpod vs AWS Lambda: “서버리스 LLM 배포”에서 cold start를 이기는 현실적인 설계
- GPU 오토스케일링으로 LLM 서빙 비용을 ‘진짜로’ 줄이는 법: Kubernetes 최신 패턴(DRA·KEDA·vLLM·llm-d)
- Modal·Runpod·AWS Lambda로 “서버리스 LLM”을 굴릴 때 cold start를 이기는 실전 설계
- 서버리스 LLM 배포: Modal vs Runpod vs AWS Lambda, 그리고 “cold start를 설계로 이기는” 방법
- Kubernetes에서 LLM 서빙을 “GPU 오토스케일”로 굴리는 현실적인 방법: KEDA + (Queue Depth / KV Cache) + DCGM/NVML
- 서버리스 LLM 배포의 현실: Modal·RunPod·AWS Lambda에서 cold start를 “구조적으로” 없애는 방법
- GPU가 병목인 LLM 서빙, Kubernetes에서 “제대로” 오토스케일링하는 법
- 서버리스 LLM 배포: Modal vs Runpod vs AWS Lambda, 그리고 Cold Start를 “설계로” 이기는 법
- GPU 오토스케일링 2026: Kubernetes에서 LLM 서빙을 “GPU 기준”으로 제대로 스케일하는 법 (HPA/KEDA/DCGM/DRA/MIG 실전 조합)
- GPU 오토스케일링, “정답”은 GPU%가 아니라 KV Cache·Queue·SLO다
- Kubernetes에서 LLM 서빙을 “GPU 기준”으로 오토스케일링하기: KServe(vLLM) + KEDA + DCGM, 그리고 노드까지 따라오는 설계
- AWS re:Invent 2025(12월)가 던진 한 방: “AI 모델을 ‘고객이 직접 훈련’하는 클라우드”로 전환 중
- 에이전틱 AI가 클라우드 “신규 서비스 발표”의 주인공이 된 2025년 12월: AWS re:Invent발 변화와 Azure/GCP의 대응
- 12월 클라우드 전쟁의 포인트는 ‘AI Agent + 거대 컨텍스트 + 크로스클라우드’였다: AWS re:Invent 2025와 GCP/Azure의 맞불
- AI 에이전트·벡터·관측성으로 재편되는 클라우드 신서비스 전쟁: AWS re:Invent 이후판
- AWS가 ‘멀티클라우드’를 공식 제품으로 만들었다: 클라우드 신규 서비스 트렌드 분석
- AI 에이전트가 클라우드의 ‘새 기본값’이 된 2025년 12월: AWS re:Invent 발표로 본 AWS·GCP·Azure 경쟁 구도
- AWS가 던진 ‘Agentic Cloud’ 신호탄: CloudWatch·Bedrock AgentCore·Nova 2가 바꿀 운영 패러다임
- 12월 클라우드 3사 신제품 전쟁: AWS는 ‘Agent + Multicloud’, GCP는 ‘Agent Engine GA’, Azure는 ‘Foundry + 새 DB’로 판이 커졌다
- Docker 멀티스테이지 빌드 활용법: 이미지 크기와 보안을 동시에 잡기
- Docker Compose로 로컬 개발환경 세팅하기 🐳
- AWS 비용 50% 절감한 방법 💰